Monitoramento dinâmico da recorrência da pobreza rural: um novo sistema de alerta precoce na China

• Yungang Tang ^[1] ; Ye Wu ^[2]
  1. [1] Guangzhou College of Technology and Business. China
  2. [2] Guangdong University of Finance and Economic. China
• Localización: Ciencia rural, ISSN 0103-8478, Vol. 55, Nº. 2, 2025
• Idioma: portugués
• Títulos paralelos:
  • Dynamic monitoring of rural poverty recurrence: a novel early warning system in China
• Enlaces
  • Texto completo
• Resumen
  • English

    This study adopted a more macroscopic perspective to focus on the issue of rural poverty in China. By selecting indicators reflecting various levels of poverty recurrence, considering risk factors across multiple dimensions, and employing advanced methods, we constructed a novel China Rural Poverty Recurrence Risk Index. We utilized a Markov switching model to delve into the mechanisms of poverty recurrence. Building upon this foundation, we developed an advanced poverty recurrence risk early warning system using a convolutional neural network-long short-term memory (CNN-LSTM) model. The system is optimized through mechanism-based predictions to better capture the dynamic changes in poverty recurrence. Empirical results demonstrated that the integrated dynamic monitoring and early warning system have significantly effective outcomes in addressing the recurrence of rural poverty

  • português

    Este estudo adota uma perspectiva mais macroscópica para focar na questão da pobreza rural na China. Ao selecionar indicadores que refletem vários níveis de recorrência da pobreza, considerando factores de risco em múltiplas dimensões e empregando métodos avançados, construímos um novo indice de risco de recorrência da pobreza rural na China. Utilizamos um modelo de mudança de Markov para aprofundar os mecanismos de recorrência da pobreza. Com base nisso, desenvolvemos um sistema avançado de alerta precoce de risco de recorrência de pobreza usando um modelo de memória de longo e curto prazo de rede neural convolucional (CNN-LSTM). O sistema é optimizado através de previsões baseadas em mecanismos para melhor captar as mudanças dinâmicas na recorrência da pobreza. Os resultados empíricos demonstram que o sistema integrado de monitorização dinâmica e de alerta precoce tem resultados significativamente eficazes na abordagem da recorrência da pobreza rural